aws openai
v0.10.7
a react + AWS Serverlessフルスタック実装公式Openai APIドキュメントにあるアプリケーションの例の実装。詳細については、このシステムアーキテクチャ図を参照してください。これは、YouTubeチャンネル「Lawrenceとのフルスタック」とブリティッシュコロンビア大学のコース「人工知能クラウドテクノロジーの実装」のための教育ツールです。
Linux、Windows、MacOS環境で動作します。
プロジェクトの要件の検証：AWSアカウントとCLIアクセス、Terraform、Python 3.11、NPM、Docker Compose。
Master Terraform構成ファイルを確認して編集します。
makeして、リポジトリのルートにある新しく作成された.envファイルに資格情報を追加します。
アプリケーションを初期化、構築、および実行します。
git clone https://github.com/FullStackWithLawrence/aws-openai.git
make # scaffold a .env file in the root of the repo
make init # initialize Terraform, Python virtual environment and NPM
make build # deploy AWS cloud infrastructure, build ReactJS web app
make run # run the web app locally in your dev environment 完全なOpenAI API ：CHATGTP、Dall・E、Whisper、TTSなど、OpenAIの完全なサービススイートに統合するための制作対応APIを展開します。
Langchain統合：Langchainの柔軟な抽象化とAIファーストツールキットを使用したコンテキスト対応の推論アプリケーションを構築するためのシンプルなAPIエンドポイント。このエンドポイントを使用して、チャットボットから質問回答システムまで、幅広いアプリケーションを開発します。
ダイナミックチャットGPTプロンプト：高度に前和化されたチャットボットを作成するためのシンプルなテラフォームテンプレート。数分で独自のカスタムチャットアプリをプログラムしてスキンします。
関数呼び出し：Openaiのこれまでで最も高度な統合機能。 OpenAI API関数呼び出しは、開発者が独自のカスタムPython関数をチャット応答の処理に統合できるようにする機能です。たとえば、OpenaiのGPT-3モデルを搭載したチャットボットが応答を生成している場合、これらのカスタムPython関数を呼び出して特定のタスクまたは計算を実行し、これらの機能の結果を応答に含めることができます。この強力な機能を使用して、リアルタイムデータの取得、計算の実行、他のAPIやサービスとの対話などのタスクを実行できる、より動的でインタラクティブなチャットボットを作成できます。公式Openai APIドキュメントからの「get_current_weather（）」など、追加のドキュメントと例については、Pythonソースコードを参照してください
関数呼び出しプラグイン：独自のYAMLベースの「プラグイン」モデルを作成しました。詳細については、この例のプラグインとこのドキュメントを参照するか、このライブサイトで試してみてください。 YAMLテンプレートは、ローカルに保存するか、安全なAWS S3バケットから提供できます。ここに楽しい例のプラグインのセットがあります。
完全なソースコードとドキュメントはここにあります。
vite.js、 @chatscope/chat-ui-kit-react、and react-pro-sidebarをレバレッジするReactアプリ。
完全なドキュメントはここにあります。 Pythonコードはここにあります
モジュール化されたTerraformアプローチを使用して、公式OpenAI APIドキュメントから30の例アプリケーションのそれぞれを実装するREST API。 GPT-3.5、GPT-4、Dall・E、Whisper、Embeddings、およびModerationを含むOpenaiのAIモデルのスイートを活用します。
.env 、 terraform.tfvarsファイルなど、複数のソースからのPython Lambda初期化を一貫して自動的に管理するクラス。オプションの要件：
各エンドポイントの詳細なドキュメントは、こちらから入手できます。ドキュメント
コミュニティサポートを得るには、このプロジェクトの公式問題ページにアクセスしてください。
このプロジェクトは、チーム環境でミッションクリティカルなクラウドベースのマイクロサービスを管理するための多種多様な優れたコーディングベストプラクティス、つまり12因子の方法論への順守を示しています。詳細については、このコード管理のベストプラクティスをご覧ください。
このプロジェクトは、プロジェクトの権限をマージしている人に過度のコードレビューワークロードを追加することなく、教育ツールとして学生と学習者がよりアクセスしやすくしたいと考えています。この目的のために、パッケージ依存関係のバージョンメンテナンス、プルリクエスト評価、セマンティックリリースのバージョンメンテナンスのための自動化された手順だけでなく、いくつかの事前コミットコードの糸くずとコードスタイルの施行ツールも追加しました。
貢献を歓迎します！あなたの背景に関係なく、あなたが関与するためのさまざまな方法があります。プルリクエストに加えて、このプロジェクトは、AIの倫理的使用に関する進化する基準を確実に遵守するために、ドキュメントとハウツービデオコンテンツの作成、テスト、コミュニティエンゲージメント、およびスチュワードに焦点を当てた貢献者の恩恵を受けます。
開発者については、次のことを参照してください。
ローレンス・マクダニエルに直接連絡することもできます。 2024年2月現在のコード構成：
-------------------------------------------------------------------------------
Language files blank comment code
-------------------------------------------------------------------------------
Python 29 732 722 2663
HCL 30 352 714 2353
Markdown 52 779 6 2344
YAML 23 112 149 1437
JavaScript 39 114 127 1088
JSX 6 45 47 858
CSS 5 32 14 180
make 1 27 30 120
Text 6 13 0 117
INI 2 15 0 70
HTML 2 1 0 65
Jupyter Notebook 1 0 186 48
Bourne Shell 5 17 55 47
TOML 1 1 0 23
Dockerfile 1 4 4 5
-------------------------------------------------------------------------------
SUM: 203 2,244 2,054 11,418
-------------------------------------------------------------------------------
